基于RTK与视觉辅助定位的自主无人机架线系统

吴佳青, 魏栋, 陈尤, 赵晓锋, 余秋语, 胡士强

〔1.上海市南电力(集团)有限公司闵行分公司,上海 201100；2.上海交通大学 航空航天学院,上海 200240〕

0 引 言

在架设输电线路的过程中，展放引导绳是重要的施工环节，传统的展放引导绳方式是由人工进行的[1]，存在建设成本高、施工时间长等缺点。随着无人机技术的发展，无人机展放在安全性、操作性和稳定性等指标上技术先进，是今后导引绳展放发展的主要趋势[2]。哈工大在2018年将基于视觉模板匹配技术的单目位姿检测方法用在无人机对架线设备的检测和定位上[3]，但只进行了仿真模拟，实际工程中的使用效果没有得到验证。马凤臣等人[4]设计了一种基于阻尼控制器的放线轮系统，解决了飞行速度与放线速度不匹配的问题。罗旻等人[5]设计了基于GPS信息的自动化无人机架线系统，并进行了实际系统的验证。但该系统依赖于GPS定位，在GPS信号受干扰或准确度低时，作业失败的可能性较大。

针对现有无人机架线作业方式的不足，本文提出了一种基于RTK及视觉辅助定位技术的无人机智能放线系统，在到达作业任务点时，利用RGB-D相机对智能滑车架线弓进行检测及定位，保证无人机准确地定位在架线弓中央并调整航向与架线弓垂直。同时，利用2D激光雷达进行无人机运动过程中的障碍物检测与航迹规划，使作业系统具备自主避障功能。

1 智能架线系统架构

整个无人机智能放线系统主要由无人机机体及机上设备、地面端设备和智能滑轮架线弓设备三部分组成，其中，最重要的是由无人机机体及机上设备组成的全自主无人机系统。

1.1 全自主无人机系统架构

全自主无人机系统主要由大疆M-600Pro无人机、板载计算机Nvidia jetson TX2、RGB-D相机Intel realsense D435i、2D激光雷达 Slamtec S1、差分GPS板卡、脱钩电机futaba S3003和对应机械结构组成。系统实物如图1所示。系统运行在板载计算机ROS环境下，主要包含了自主飞行节点，障碍物检测与路径规划节点，架线弓检测和目标点输出节点，以及引导线脱钩节点，系统软件框架如图2所示。

图2 自主无人机系统软件框架图

1.2 系统功能实现流程

整个系统的工作流程包括：起飞、粗调、精调、穿越和脱钩五个步骤。具体如下：挂上引导线后，无人机起飞并悬停至3 m高度；根据事先导入的电力杆作业位置，无人机依赖RTK导航至作业点附近(粗调)；到达目标点后，根据RGB-D相机对架线弓位置的检测，调整至架线弓中央，垂直距离2 m处(细调);无人机上升1.5 m之后前进5 m，完成穿越过程；若当前穿越电线杆为最后一杆，则可选择自动脱钩返航或手动遥控云台完成脱钩并手动降落，若不是最后一杆，则循环至粗调过程，即飞往下一个作业点。

2 架线弓检测及精定位模块

2.1 智能滑车架线弓特点

架线弓的核心组件为滑轮机构和两侧的红色架线杆，红色架线杆具有突出的颜色特征，是后续架线弓检测的基础。实际作业中，当无人机飞到电力塔前，架线弓可以通过微波识别附近的移动物体，从而使架线杆张开。

2.2 架线弓视觉检测与定位算法

架线弓视觉检测方案具体步骤为：先利用RGB-D相机的ROS SDK获取RGB图像及对应的深度图像，再对RGB图执行canny边缘检测和掩码合成，然后进行HSV颜色分割。之后执行的操作是霍夫变换直线检测，通过几何特征对直线检测结果进行排除，具体的做法是：对检测到的n条直线按长度进行排序，从最长的直线往下依次配对，对配对的两条线段检查以下条件：①两线段的长度差在短者长度的30%以内；②两线段成约126°夹角；③两线段的低端近似水平；④两线段不相交。同时满足上述条件则判断为正确的检测结果。

架线弓视觉定位算法步骤为：先计算左架线弓的上下端z坐标差值(z坐标从相机中心出发，正方向为相机正前方)，选择左右架线弓排序倒数三分之一(按图像纵轴v排序)的中位数对应的点计算架线弓正中央坐标。然后根据Δz的值指导无人机的偏航控制，偏航的目的是使得无人机机头正对架线弓，为向前穿越作准备。根据架线弓正中央的坐标指导无人机的位置控制，位置控制的目的是使得无人机调节至架线弓的正前方，设定的阈值范围是：

-50 mm

当调节至此范围内时，认为无人机已经完成了位置调节，否则控制无人机朝着这个目标范围飞行。

3 2D激光雷达避障

局部避障有很多成熟的算法，如人工势场法、栅格法和可视图法等[6]。早期Glasius R等人[7]采用人工神经网络算法进行路径规划和避障，但是该方法在无人机面临较复杂环境时不具有实时性。周青等人[8]采用遗传算法进行路径规划，实时性能较好，但稳定性能不强。刘跃波等人[9]利用T-S模糊神经网络实现无人机的实时避障，并得到了较好的仿真效果，但是没有进行实物验证。上述方法各有优缺点和适用范围。针对无人机架线过程的全向自主避障，设计出了一种基于几何原理的避障方案。

3.1 前向安全通道构建

由于激光雷达可以360°检测障碍物，因此考虑一个矩形的安全通道，当在安全通道内发现有雷达的扫描点时就认为有障碍物。如图3所示：v为无人机速度的方向；d和θ分别为雷达检测到的距离和角度；s1和s2为安全避障通道，考虑到无人机的翼展长度和安全余量以及雷达的误差，一般取为2.5 m。满足是障碍物的条件为：

图3 避障通道构建图

(1)

为了得到障碍物更全面的几何信息，每当雷达检测到障碍物时，将s2的长度增加0.5 m，检测增加长度后安全通道内的障碍物点，并储存它们的距离和角度信息。

3.2 最小偏转角度与最小偏转距离的计算

如图4所示，记障碍物的距离和角度分别为ri(m)和θi(rad)，(i=1，2,…,n)。n为雷达扫描的障碍物点的个数。雷达检测到障碍物后速度需偏转的角度为φ(rad)，目的是寻找一个最小的φ，使得无人机能够避开障碍物。其数学表达为：

图4 最小偏转角度

min|φ|,φ∈[-π/2,π/2]满足：

∀i∈{i|i=1,2,…,n且cos(φ+θv-θi)>0}

(2)

式中：θv(rad)为速度方向在雷达坐标系下的角度；d_remain(m)为安全余量，根据多次试验经验，取值为s1/12较为合理。

在计算出最小偏转角度以后，无人机沿该角度运动一定距离后就偏转速度方向至起始目标点方向。如偏转距离计算示意图5所示:β(rad)为上一步计算出的偏转角;d(m)为当前无人机与障碍物的距离;η(rad)为当前无人机与障碍物之间的夹角;α(rad)为当前无人机与目标点之间的夹角;d_move(m)为无人机发现障碍物后运动的距离(可由RTK解算出)。可以算出：

图5 最小偏转距离

(3)

(4)

当满足：

∀i∈{i|i=1,2,…，n且cos(η-α)>0}

(5)

认为无人机避障成功，无人机恢复飞往下一电线杆的飞行任务。至此，无人机避障模块构建完成。

4 试验与应用

为了验证所述精准定位系统的性能，多次展开对架线弓的精准定位试验。试验过程为，无人机通过预设的RTK位置飞到架线弓前，通过视觉检测与定位系统完成进一步的位置调整，位置误差利用激光测距仪测得，实物图如图6所示，试验结果如表1所示。

图6 定位试验

表1 无人机精定位系统试验结果

为了验证所提避障系统的可靠性，在校园环境进行了模拟测试。试验证明，无人机能够以20 Hz的频率实时更新障碍物信息，并实时规划新的避障路线，完成避障。实物图如图7所示，试验结果如表2所示。

图7 避障试验

表2 无人机避障实验试验结果

在真实作业场地进行了三杆两档全自主架线试验，杆距30 m，杆高11 m。实物如图8所示，试验结果如表3所示。

表3 无人机真实作业试验结果

图8 真实作业场景

通过分析上述数据可知，加入了视觉的辅助后，RTK的定位精度得到了提高，误差在作业要求范围内，提出的2D全向避障系统能够以较高的飞行速度完成避障动作，在具有干扰的真实作业环境中，无人机飞行稳定，RTK运行状态良好，视觉检测正确率高，避障系统运行正常，整个作业过程完全自主，并且具有较高的效率和安全性能。

5 结束语

针对传统电力架线方法依赖人工、效率低和安全性不好等缺点，以及现有的无人机架线模式中由于GPS误差导致架线成功率较低等不足，提出了基于RTK与视觉辅助定位的全自主无人机智能架线系统。首先利用RTK与视觉结合的方法，实现了无人机的精准定位，提升了作业的成功率，同时提出一种基于2D激光雷达的避障技术，保障了作业过程中的安全性。整个架线系统高效可靠，并在实际架线作业测试中取得了较好的成效。